一、图像阈值
· ret ， dst = cv2.threshold（src，thresh，maxval，type）
· src： 输入图，只能输入单通道的图像，通常来说为灰度图
· dst：输出图
·ret ： 返回的阈值
· thresh：阈值
· maxval：当像素值超过了阈值（或者小于阈值，根据type来决定），所赋予的值
· type ： 二值化操作的类型，有5种，遇到的时候再查找
image_cat = cv2.imread(自己的图像路径",cv.IMREAD_GRAYSCALE)
ret, thresh1 = cv2.threshold(image_cat,127,255,cv.THRESH_BINARY)
thresh1 = cv2.resize(thresh1,(500,500))
cv_show("阈值",thresh1)
二、图像平滑处理（滤波）
（1）均值滤波
对于边缘的像素点，只求和滤波器能框住的像素点。
（2）方框滤波
做归一化时和均值滤波一样，没归一化会越界，所有越界值全区255
（3）高斯滤波
滤波器中的数值符合高斯分布，离计算的像素点近的权重高一些，离的远的权重小一些。
（4）中值滤波
取，排好序的中间值
# 图像平滑
image = cv.imread("自己图像的路径")
# 均值滤波，可看作一个简单的平均卷积操作
blur = cv2.blur(image,(3,3))#(3,3)卷积核的大小
cv_show("input",blur)
# 方框滤波，基本和均值一样，可以选择归一化
box = cv.boxFilter(image,-1,(3,3),normalize=True)
# 高斯滤波
aussian = cv.GaussianBlur(image,(3,3),1)
cv_show("input",image)
# 中值滤波
median = cv.medianBlur(image,5)
cv_show("input",median)
# 展示所有
# res = np.hstack((blur,aussian,median))
# print(res)
# cv_show("input",res)
